python3实现常见的排序算法(示例代码)


Posted in Python onJuly 04, 2021

冒泡排序

冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列,一次比较两个元素,如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

python3实现常见的排序算法(示例代码)

def mao(lst):
    for i in range(len(lst)):
        # 由于每一轮结束后,总一定有一个大的数排在后面
        # 而且后面的数已经排好了
        # 即i轮之后,就有i个数字被排好
        # 所以其 len-1 -i到 len-1的位置是已经排好的了
        # 只需要比较0到len -1 -i的位置即可

        # flag 用于标记是否刚开始就是排好的数据
        # 只有当flag状态发生改变时(第一次循环就可以确定),继续排序,否则返回
        flag = False
        for j in range(len(lst) - i - 1):
            if lst[j] > lst[j + 1]:
                lst[j], lst[j + 1] = lst[j + 1], lst[j]
                flag = True
                # 非排好的数据,改变flag
        if not flag:
            return lst
    return lst

print(mao([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

选择排序

选择排序是一种简单直观的排序算法。它的工作原理:首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。

python3实现常见的排序算法(示例代码)

# 选择排序是从前开始排的
# 选择排序是从一个列表中找出一个最小的元素,然后放在第一位上。
# 冒泡排序类似
# 其 0 到 i的位置是排好的,只需要排i+1到len(lst)-1即可

def select_sort(lst):
    for i in range(len(lst)):
        min_index = i  # 用于记录最小的元素的索引
        for j in range(i + 1, len(lst)):
            if lst[j] < lst[min_index]:
                min_index = j

        # 此时,已经确定,min_index为 i+1 到len(lst) - 1 这个区间最小值的索引
        lst[i], lst[min_index] = lst[min_index], lst[i]

    return lst


def select_sort2(lst):
    # 第二种选择排序的方法
    # 原理与第一种一样
    # 不过不需要引用中间变量min_index
    # 只需要找到索引i后面的i+1到len(lst)的元素即可

    for i in range(len(lst)):
        for j in range(len(lst) - i):

            # lst[i + j]是一个i到len(lst)-1的一个数
            # 因为j <= len(lst) -i 即 j + i <= len(lst)
            if lst[i] > lst[i + j]:
                # 说明后面的数更小,更换位置
                lst[i], lst[i + j] = lst[i + j], lst[i]
    return lst


print(select_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))
print(select_sort2([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

快速排序

快速排序是通过一趟排序将待排记录分隔成独立的两部分,其中一部分记录的关键字均比另一部分的关键字小,则可分别对这两部分记录继续进行排序,以达到整个序列有序。

python3实现常见的排序算法(示例代码)

# 原理
# 1. 任取列表中的一个元素i
# 2. 把列表中大于i的元素放于其右边,小于则放于其左边
# 3. 如此重复
# 4. 直到不能在分,即只剩1个元素了
# 5. 然后将这些结果组合起来

def quicksort(lst):
    if len(lst) < 2:    # lst有可能为空
        return lst

    # ['pɪvət] 中心点
    pivot = lst[0]
    less_lst = [i for i in lst[1:] if i <= pivot]
    greater_lst = [i for i in lst[1:] if i > pivot]
    # 最后的结果就是
    #           左边的结果 + 中间值 + 右边的结果
    # 然后细分   左+中+右   + 中间值 + 左 + 中+ 右
    #      ...........    + 中间值 + ............
    return quicksort(less_lst) + [pivot] + quicksort(greater_lst)


print(quicksort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))
print(quicksort([1, 5, 8, 62]))

插入排序

插入排序的算法描述是一种简单直观的排序算法。它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。

python3实现常见的排序算法(示例代码)

# lst的[0, i) 项是有序的,因为已经排过了
# 那么只需要比对第i项的lst[i]和lst[0 : i]的元素大小即可
# 假如,lst[i]大,则不用改变位置
#     否则,lst[i]改变位置,插到j的位置,而lst[j]自然往后挪一位
#     然后再删除lst[i+1]即可(lst[i+1]是原来的lst[i])
#
# 重复上面步骤即可,排序完成

def insert_sort(lst: list):
    # 外层开始的位置从1开始,因为从0开始都没得排
    # 只有两个元素以上才能排序
    for i in range(1, len(lst)):
        # 内层需要从0开始,因为lst[0]的位置不一定是最小的
        for j in range(i):
            if lst[i] < lst[j]:
                lst.insert(j, lst[i])
                # lst[i]已经插入到j的位置了,j之后的元素都往后+1位,所以删除lst[i+1]
                del lst[i + 1]
    return lst

print(insert_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

希尔排序

希尔排序是1959年Shell发明的,第一个突破O(n2)的排序算法,是简单插入排序的改进版。它与插入排序的不同之处在于,它会优先比较距离较远的元素。希尔排序又叫缩小增量排序。

python3实现常见的排序算法(示例代码)

希尔排序

# 希尔排序是对直接插入排序的优化版本
# 1. 分组:
#       每间隔一段距离取一个元素为一组
#       间隔自己确定,一般为lst的一半
# 2. 根据插入排序,把每一组排序好
# 3. 继续分组:
#         同样没间隔一段距离取一个元素为一组
#         间隔要求比  之前的间隔少一半
# 4. 再每组插入排序
# 5. 直到间隔为1,则排序完成
#

def shell_sort(lst):
    lst_len = len(lst)
    gap = lst_len // 2  # 整除2,取间隔
    while gap >= 1:  # 间隔为0时结束
        for i in range(gap, lst_len):
            temp = lst[i]
            j = i
            # 插入排序
            while j - gap >= 0 and lst[j - gap] > temp:
                lst[j] = lst[j - gap]
                j -= gap
            lst[j] = temp
        gap //= 2
    return lst


print(shell_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))


# 奇数
#       gap = 2
# [5, 2, 4, 3, 1]
# [5, 4, 1] [2, 3]
# [1, 4, 5, 2, 3]
#       gap = 1
# [1, 2, 3, 4, 5]

# 偶数
#       gap = 3
# [5, 2, 4, 3, 1, 6]
# [5, 3] [2, 1] [4,6]
# [3, 5, 1, 2, 4 , 6]
#       gap = 1
# [1, 2, 3, 4, 5, 6]

并归排序

归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为2-路归并。

python3实现常见的排序算法(示例代码)

并归排序

# 利用分治法
# 不断将lst分为左右两个分
# 直到不能再分
# 然后返回
# 将两边的列表的元素进行比对,排序然后返回
# 不断重复上面这一步骤
# 直到排序完成,即两个大的列表比对完成


def merge(left, right):
    # left 可能为只有一个元素的列表,或已经排好序的多个元素列表(之前调用过merge)
    # right 也一样

    res = []
    while left and right:
        item = left.pop(0) if left[0] < right[0] else right.pop(0)
        res.append(item)

    # 此时,left或right已经有一个为空,直接extend插入
    # 而且,left和right是之前已经排好序的列表,不需要再操作了

    res.extend(left)
    res.extend(right)
    return res


def merge_sort(lst):
    lst_len = len(lst)
    if lst_len <= 1:
        return lst
    mid = lst_len // 2

    lst_right = merge_sort(lst[mid:len(lst)])       # 返回的时lst_len <= 1时的 lst 或 merge中进行排序后的列表
    lst_left = merge_sort(lst[:mid])                # 返回的是lst_len <= 1时的 lst 或 merge中进行排序后的列表

    return merge(lst_left, lst_right)               # 进行排序,lst_left lst_right 的元素会不断增加


print(merge_sort([1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]))

堆排序

堆排序是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构,并同时满足堆积的性质:即子结点的键值或索引总是小于(或者大于)它的父节点。然后进行排序。

python3实现常见的排序算法(示例代码)

堆排序

# 把列表创成一个大根堆或小根堆
# 然后根据大(小)根堆的特点:根节点最大(小),逐一取值
#
# 升序----使用大顶堆
#
# 降序----使用小顶堆
# 本例以小根堆为例
# 列表lst = [1, 22 ,11, 8, 12, 4, 9]

# 1. 建成一个普通的堆:
#          1
#        /   \
#       22    11
#      / \    / \
#     8  12  4   9
#
# 2. 进行调整,从子开始调整位置,要求: 父节点<= 字节点
#
#          1                                    1                                    1
#        /   \         13和22调换位置         /   \          4和11调换位置          / \
#       22    11       ==============>      13     11       ==============>       13    4
#      / \    / \                          / \    /  \                           / \   /  \
#     13  14 4   9                       22  14  4    9                        22  14 11   9
#
# 3. 取出树上根节点,即最小值,把换上叶子节点的最大值
#
#                   1
#                  /
#             ~~~~/
#          22
#         /   \
#        8     4
#         \   /  \
#         12 11   9
#
# 4. 按照同样的道理,继续形成小根堆,然后取出根节点,。。。。重复这个过程
#
#          1                    1                 1  4                1 4           1 4 8           1 4 8
#           /                    /                  /                    /             /                 /
#       ~~~/                 ~~~/               ~~~/                 ~~~/          ~~~/              ~~~/
#      22                   4                 22                   8             22                9
#     /   \               /   \              /   \               /   \          /   \             /  \
#    8     4             8     9            8     9             12    9        12    9           12  11
#     \   /  \            \   /  \           \   /               \   /              /                /
#     12 11   9           12 11  22          12 11               22 11            11               22
#
# 续上:
#       1 4 8 9          1 4 8 9           1 4 8 9 11     1 4 8 9 11    1 4 8 9 11 12   ==>  1 4 8 9 11 12 22
#            /                  /                  /                /              /
#        ~~~/               ~~~/               ~~~/             ~~~/           ~~~/
#       22                 11                22                12            22
#      /   \              /   \             /                  /
#     12    11           12    22          12                22
#
# 代码实现

def heapify(lst, lst_len, i):
    """创建一个堆"""
    less = i  # largest为最大元素的索引

    left_node_index = 2 * i + 1  # 左子节点索引
    right_node_index = 2 * i + 2  # 右子节点索引

    # lst[i] 就是父节点(假如有子节点的话):
    #
    #                 lst[i]
    #                  /   \
    #      lst[2*i + 1]    lst[ 2*i + 2]
    #

    # 想要大根堆,即升序, 将判断左右子节点大小的 ‘>' 改为 ‘<' 即可
    #
    if left_node_index < lst_len and lst[less] > lst[left_node_index]:
        less = left_node_index

    if right_node_index < lst_len and lst[less] > lst[right_node_index]:
        # 右边节点最小的时候
        less = right_node_index

    if less != i:
        # 此时,是字节点大于父节点,所以相互交换位置
        lst[i], lst[less] = lst[less], lst[i]  # 交换
        heapify(lst, lst_len, less)
        # 节点变动了,需要再检查一下

def heap_sort(lst):
    res = []
    i = len(lst)
    lst_len = len(lst)

    for i in range(lst_len, -1, -1):
        # 要从叶节点开始比较,所以倒着来
        heapify(lst, lst_len, i)

    # 此时,已经建好了一个小根树
    # 所以,交换元素,将根节点(最小值)放在后面,重复这个过程
    for j in range(lst_len - 1, 0, -1):
        lst[0], lst[j] = lst[j], lst[0]  # 交换,最小的放在j的位置

        heapify(lst, j, 0)      # 再次构建一个[0: j)小根堆 [j: lst_len-1]已经倒序排好了
    return lst

arr = [1, 5, 55, 4, 5, 1, 3, 4, 5, 8, 62, 7]
print(heap_sort(arr))

参考:
十大经典排序算法(动图演示)
数据结构与算法-排序篇-Python描述

动图可以点击这里查看

我的github
我的博客
我的笔记

到此这篇关于python3实现常见的排序算法(示例代码)的文章就介绍到这了,更多相关python排序算法内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
跟老齐学Python之编写类之二方法
Oct 11 Python
Python比较两个图片相似度的方法
Mar 13 Python
Python实现二叉搜索树
Feb 03 Python
JSON Web Tokens的实现原理
Apr 02 Python
K-means聚类算法介绍与利用python实现的代码示例
Nov 13 Python
利用Python库Scapy解析pcap文件的方法
Jul 23 Python
python 多进程并行编程 ProcessPoolExecutor的实现
Oct 11 Python
详解Pycharm出现out of memory的终极解决方法
Mar 03 Python
python高级特性简介
Aug 13 Python
基于python实现百度语音识别和图灵对话
Nov 02 Python
python中lower函数实现方法及用法讲解
Dec 23 Python
浅谈Python数学建模之数据导入
Jun 23 Python
用Python编写简单的gRPC服务的详细过程
Jul 04 #Python
python中__slots__节约内存的具体做法
Jul 04 #Python
python中Matplotlib绘制直线的实例代码
Jul 04 #Python
C站最全Python标准库总结,你想要的都在这里
Python实现列表拼接和去重的三种方式
Jul 02 #Python
简单且有用的Python数据分析和机器学习代码
Jul 02 #Python
python常见的占位符总结及用法
Jul 02 #Python
You might like
星际争霸任务指南——人族
2020/03/04 星际争霸
php各种编码集详解和以及在什么情况下进行使用
2011/09/11 PHP
php中常用字符串处理代码片段整理
2011/11/07 PHP
php无限级分类实现评论及回复功能
2019/02/18 PHP
Javascript Math ceil()、floor()、round()三个函数的区别
2010/03/09 Javascript
JavaScript中的onerror事件概述及使用
2013/04/01 Javascript
JavaScript生成的动态下雨背景效果实现方法
2015/02/25 Javascript
Javascript json object 与string 相互转换的简单实现
2016/09/27 Javascript
JS ES6多行字符串与连接字符串的表示方法
2017/04/26 Javascript
jQuery开源组件BootstrapValidator使用详解
2017/06/29 jQuery
详解基于 axios 的 Vue 项目 http 请求优化
2017/09/04 Javascript
详解Vue基于 Nuxt.js 实现服务端渲染(SSR)
2018/04/05 Javascript
javascript中innerHTML 获取或替换html内容的实现代码
2020/03/17 Javascript
JavaScript this关键字指向常用情况解析
2020/09/02 Javascript
解决Vue-cli无法编译es6的问题
2020/10/30 Javascript
[05:31]DOTA2英雄梦之声_第04期_光之守卫
2014/06/23 DOTA
Python的string模块中的Template类字符串模板用法
2016/06/27 Python
数据清洗--DataFrame中的空值处理方法
2018/07/03 Python
python实现证件照换底功能
2019/08/20 Python
如何获取Python简单for循环索引
2019/11/21 Python
tensorflow中tf.reduce_mean函数的使用
2020/04/19 Python
python如何调用php文件中的函数详解
2020/12/29 Python
复古风格的女装和装饰品:ModCloth
2017/12/29 全球购物
法国房车租赁网站:Yescapa
2019/08/26 全球购物
英国索普公园票务和酒店套餐:Thorpe Breaks
2019/09/14 全球购物
仓库保管员岗位职责
2013/12/20 职场文书
感恩节红领巾广播稿
2014/02/11 职场文书
销售总经理岗位职责
2014/03/15 职场文书
行政人事岗位职责
2014/03/17 职场文书
工商企业管理专业自荐信范文
2014/04/12 职场文书
2014年护士个人工作总结
2014/11/11 职场文书
财务统计员岗位职责
2015/04/14 职场文书
一文带你理解vue创建一个后台管理系统流程(Vue+Element)
2021/05/18 Vue.js
pytorch 中nn.Dropout的使用说明
2021/05/20 Python
Python3 类型标注支持操作
2021/06/02 Python
前端与RabbitMQ实时消息推送未读消息小红点实现示例
2022/07/23 Java/Android